寻求HTML转Contentful RichText的Python可行实现方案

现有工具的局限性 #

• 官方仅提供反向转换（RichText转HTML）的rich-text-renderer工具，无Python版的HTML转RichText方案
• 第三方npm包contentful-html-rich-text-converter支持度有限，像<div>这类常见标签无法处理

可行的Python实现思路 #

1. 基于解析器自定义转换逻辑 #

用BeautifulSoup解析HTML，遍历DOM节点，手动映射到Contentful RichText的节点类型：

from bs4 import BeautifulSoup
import json

def html_to_rich_text(html):
    soup = BeautifulSoup(html, "html.parser")
    rich_text = {"data": {}, "content": [], "nodeType": "document"}
    
    def traverse(node):
        if node.name == "p":
            paragraph = {"data": {}, "content": [], "nodeType": "paragraph"}
            for child in node.children:
                if isinstance(child, str):
                    paragraph["content"].append({
                        "data": {},
                        "content": child.strip(),
                        "nodeType": "text"
                    })
                else:
                    paragraph["content"].extend(traverse(child))
            return [paragraph]
        # 可扩展支持更多标签，比如div转paragraph或嵌入节点
        elif node.name == "div":
            div_content = {"data": {}, "content": [], "nodeType": "paragraph"}
            for child in node.children:
                if isinstance(child, str):
                    div_content["content"].append({
                        "data": {},
                        "content": child.strip(),
                        "nodeType": "text"
                    })
                else:
                    div_content["content"].extend(traverse(child))
            return [div_content]
        elif node.name == "strong":
            return [{
                "data": {},
                "content": traverse(node.contents)[0]["content"],
                "nodeType": "bold"
            }]
        # 继续添加h1-h6、list、blockquote等标签的映射逻辑
        elif isinstance(node, str):
            if node.strip():
                return [{
                    "data": {},
                    "content": node.strip(),
                    "nodeType": "text"
                }]
            return []
        return []
    
    rich_text["content"] = traverse(soup)
    return json.dumps(rich_text, indent=2)

2. 扩展现有JS工具的Python调用 #

如果不想完全从零开发，可以通过subprocess调用contentful-html-rich-text-converter，同时自定义扩展它的标签支持：

• 先修改npm包的转换规则，添加<div>等标签的处理逻辑
• 再用Python调用Node.js脚本完成转换

注意事项 #

• Contentful RichText有固定的节点类型规范，转换时需严格对应，避免无效节点
• 复杂HTML（如嵌套标签、自定义属性）需要针对性处理节点的data字段

内容的提问来源于stack exchange，提问作者Eagleye